Penerapan Data Mining Untuk Pengelompokan Kepadatan Penduduk Menurut Provinsi 2021 Menggunakan Algoritma K-Means Dengan Rapid Miner
Main Article Content
Nur Rizatul Mufidah
Zaehol Fatah
Data mining merupakan bagian dari data analytics dan disiplin ilmu Data Science yang memiliki manfaat luas dan tepat guna. Kepadatan penduduk diberbagai provinsi akan mengakibatkan banyak dampak yang akan dialami oleh masyarakat, karena ketidaktahuan masyarakat akan lokasi kepadatan penduduk atau informasi tentang pengelompokan kepadatan penduduk disetiap provinsi, sehingga masyarakat yang memilih lokasi bertempat tinggal semaunya cenderung berada dalam pusaran permasalahan akibat dampak kepadatan penduduk disetiap provinsi yang ada. Untuk menghindari atau meminimalkan dampak kepadatan penduduk, maka perlu dilakukan pengelompokan kepadatan penduduk kedalam 3 kelompok (cluster), yaitu sangat padat(cluster 2), padat(cluster 0), dan sedang(cluster 1). Algoritma yang digunakan dalam penelitian ini adalah algoritma K-Means dengan rapid miner. Dengan hasil penggunaan algoritma K-Means dengan rapid miner menghasilkan bahwa dari 34 provinsi yang ada, terdapat 1 provinsi Sangat Padat (cluster 2), 6 provinsi padat (cluster 0), dan 27 kecamatan sedang (cluster 1). Sehingga dengan adanya cluster kepadatan penduduk ini akan memberikan pengetahuan baru kepada masyarakat yang melakukan urbanisasi, transmigrasi, dan imigrasi karena faktor pekerjaan, faktor ingin menetap, maupun faktor lainnya, sehingga menghindari atau meminimalisi dampak permasalahan karena faktor kepadatan penduduk.
[1] … Preddy, P. Marpaung, I. Pebrian, and W. Putri, “Penerapan Data Mining Untuk Pengelompokan Kepadatan Penduduk Kabupaten Deli Serdang Menggunakan Algoritma K-Means,” J. Ilmu Komput. dan Sist. Inf., vol. 6, no. 2, pp. 64–70, 2023.
[2] Y. F. S. Y. Damanik, S. Sumarno, I. Gunawan, D. Hartama, and I. O. Kirana, “Penerapan Data Mining Untuk Pengelompokan Penyebaran Covid-19 Di Sumatera Utara Menggunakan Algoritma K-Means,” J. Ilmu Komput. dan Inform., vol. 1, no. 2, pp. 109–132, 2021, doi: 10.54082/jiki.13.
[3] M. I. Ali and M. R. Abidin, “Pengaruh Kepadatan Penduduk Terhadap Intensitas Kemacetan Lalu Lintas Di Kecamatan Rappocini Makassar,” Pros. Semin. Nas. Lemb. Penelit. Univ. Negeri Makassar, pp. 68–73, 2019.
[4] R. M. Sabiq and N. Nurwati, “Pengaruh Kepadatan Penduduk Terhadap Tindakan Kriminal,” J. Kolaborasi Resolusi Konflik, vol. 3, no. 2, p. 161, 2021, doi: 10.24198/jkrk.v3i2.35149.
[5] S. Sonang, A. T. Purba, and F. O. I. Pardede, “Pengelompokan Jumlah Penduduk Berdasarkan Kategori Usia Dengan Metode K-Means,” J. Tek. Inf. dan Komput., vol. 2, no. 2, p. 166, 2019, doi: 10.37600/tekinkom.v2i2.115.
[6] R. R. A. Aria, S. Susilowati, and I. R. Rahadjeng, “Data Mining Menentukan Cluster Penerima Program Bantuan dengan Metode K-Means,” Remik, vol. 7, no. 1, pp. 291–300, 2023, doi: 10.33395/remik.v7i1.12030.
[7] P. Marpaung and N. Tarigan, “Data Mining for Determining Book Loan Patterns in-Library Using Apriori Algorithm,” Infokum, vol. 8, no. 1, Desembe, pp. 11–15, 2019, [Online]. Available: http://infor.seaninstitute.org/index.php/infokum/index
[8] E. taufiq luthfi Kusrini, Algoritma Data Mining. 2009. [Online]. Available: https://www.google.co.id/books/edition/Algoritma_Data_Mining/-Ojclag73O8C?hl=id&gbpv=1&dq=k-means+clustering+bahasa+indonesia&printsec=frontcover
[9] A. Yogianto, A. Homaidi, and Z. Fatah, “Implementasi Metode K-Nearest Neighbors (KNN) untuk Klasifikasi Penyakit Jantung,” G-Tech J. Teknol. Terap., vol. 8, no. 3, pp. 1720–1728, 2024, doi: 10.33379/gtech.v8i3.4495.
[10] Yulia and M. Silalahi, “Penerapan Data Mining Clustering Dalam Mengelompokan Buku Dengan Metode K-Means,” Indones. J. Comput. Sci., vol. 10, no. 1, 2021, doi: 10.33022/ijcs.v10i1.3008.
[11] M. K. dkk Rani Rotul Muhima, Kupas Tuntas Algoritma Clustering konsep, penghitungan manual dan program. 2021. [Online]. Available: https://www.google.co.id/books/edition/KUPAS_TUNTAS_ALGORITMA_CLUSTERING_KONSEP/H55rEAAAQBAJ?hl=id&gbpv=1&dq=clustering+bahasa+indonesia&pg=PA2&printsec=frontcover
[12] B. Provinsi, D. I. Indonesia, Y. Anggiat, J. R. Hermawan, T. C. Widianto, and S. Anggraeni, “DATA MINING CLUSTERING PENYEBARAN VIRUS COVID-19,” vol. 6, no. 2, pp. 427–435, 2022.
[13] Nurhayati, Pemodelan K-Means Algoritma dan Big Data Analysis(Pemetaan Data Musytaqih). 2022. [Online]. Available: https://www.google.co.id/books/edition/PEMODELAN_K_MEANS_ALGORITMA_DAN_BIG_DATA/_bJmEAAAQBAJ?hl=id&gbpv=1&dq=k-means+clustering+bahasa+indonesia&pg=PA129&printsec=frontcover
[14] M. Jundanuddin et al., “Implementasi Data Mining Pada Penilaian Kinerja Guru Menggunakan Metode K-Nearest Neighbor ( K-NN ) Studi Kasus Pada Mi Alfagiri Silo-Jember Implementation Of Data Mining On Teacher Performance Appraisal Using K-Nearest Neighbor ( K-NN ) Method Case Study At Mi Alfagiri Silo-Jember,” vol. 13, no. 105, pp. 869–880, 2024.
[15] “Kepadatan Penduduk menurut Provinsi (jiwa/km2), 2021,” Badan Pusat Statistik. Accessed: Mar. 31, 2023. [Online]. Available: https://www.bps.go.id/id/statistics-table/2/MTQxIzI=/kepadatan-penduduk-menurut-provinsi--jiwa-km2-.html
